中国教育图书进出口有限公司

Neural Computing and Applications

I S S N：0941-0643

出版社：Springer Nature

2023 年

第 35 卷 28 期

第 35 卷 27 期

第 35 卷 26 期

第 35 卷 25 期

第 35 卷 24 期

第 35 卷 23 期

第 35 卷 22 期

第 35 卷 21 期

第 35 卷 20 期

第 35 卷 19 期

第 35 卷 18 期

第 35 卷 17 期

第 35 卷 16 期

第 35 卷 15 期

第 35 卷 14 期

第 35 卷 13 期

第 35 卷 11 期

第 35 卷 10 期

第 35 卷 9 期

第 35 卷 8 期

第 35 卷 7 期

第 35 卷 6 期

第 35 卷 5 期

第 35 卷 4 期

第 35 卷 3 期

第 35 卷 2 期

第 35 卷 1 期

2022 年

第 34 卷 24 期

第 34 卷 23 期

第 34 卷 22 期

第 34 卷 21 期

第 34 卷 20 期

第 34 卷 19 期

第 34 卷 18 期

第 34 卷 17 期

第 34 卷 16 期

第 34 卷 15 期

第 34 卷 14 期

第 34 卷 13 期

第 34 卷 12 期

第 34 卷 11 期

第 34 卷 10 期

第 34 卷 9 期

第 34 卷 8 期

第 34 卷 7 期

第 34 卷 6 期

第 34 卷 5 期

第 34 卷 4 期

第 34 卷 3 期

第 34 卷 2 期

第 34 卷 1 期

2021 年

第 33 卷 24 期

第 33 卷 23 期

第 33 卷 22 期

第 33 卷 21 期

第 33 卷 20 期

第 33 卷 19 期

第 33 卷 18 期

第 33 卷 17 期

第 33 卷 16 期

第 33 卷 15 期

第 33 卷 14 期

第 33 卷 13 期

第 33 卷 12 期

第 33 卷 11 期

第 33 卷 10 期

第 33 卷 9 期

第 33 卷 8 期

第 33 卷 7 期

第 33 卷 6 期

第 33 卷 5 期

第 33 卷 4 期

第 33 卷 3 期

第 33 卷 2 期

第 33 卷 1 期

2020 年

第 32 卷 24 期

第 32 卷 23 期

第 32 卷 22 期

第 32 卷 21 期

第 32 卷 20 期

第 32 卷 19 期

第 32 卷 18 期

第 32 卷 17 期

第 32 卷 16 期

第 32 卷 15 期

第 32 卷 14 期

第 32 卷 13 期

第 32 卷 12 期

第 32 卷 11 期

第 32 卷 10 期

第 32 卷 9 期

第 32 卷 8 期

第 32 卷 7 期

第 32 卷 6 期

第 32 卷 5 期

第 32 卷 4 期

第 32 卷 3 期

第 32 卷 2 期

第 32 卷 1 期

2019 年

第 31 卷 2 Supplement 期

第 31 卷 S2 期

第 31 卷 S1 期

第 31 卷 12 期

第 31 卷 11 期

第 31 卷 10 期

第 31 卷 9 期

第 31 卷 8 期

第 31 卷 7 期

第 31 卷 6 期

第 31 卷 5 期

第 31 卷 4 期

第 31 卷 3 期

第 31 卷 2 期

第 31 卷 1 期

2018 年

第 30 卷 12 期

第 30 卷 11 期

第 30 卷 10 期

第 30 卷 9 期

第 30 卷 8 期

第 30 卷 7 期

第 30 卷 6 期

第 30 卷 5 期

第 30 卷 4 期

第 30 卷 3 期

第 30 卷 2 期

第 30 卷 1 期

第 29 卷 12 期

第 29 卷 11 期

第 29 卷 10 期

第 29 卷 9 期

第 29 卷 8 期

第 29 卷 7 期

第 29 卷 6 期

第 29 卷 5 期

第 29 卷 4 期

第 29 卷 3 期

第 29 卷 2 期

第 29 卷 1 期

2017 年

第 28 卷 S1 期

第 28 卷 12 期

第 28 卷 11 期

第 28 卷 10 期

第 28 卷 9 期

第 28 卷 8 期

第 28 卷 7 期

第 28 卷 6 期

第 28 卷 5 期

第 28 卷 4 期

第 28 卷 3 期

第 28 卷 2 期

第 28 卷 1 期

2016 年

第 27 卷 8 期

第 27 卷 7 期

第 27 卷 6 期

第 27 卷 5 期

第 27 卷 4 期

第 27 卷 3 期

第 27 卷 2 期

第 27 卷 1 期

2015 年

第 26 卷 8 期

第 26 卷 7 期

第 26 卷 6 期

第 26 卷 5 期

第 26 卷 4 期

第 26 卷 3 期

第 26 卷 2 期

第 26 卷 1 期

2014 年

第 25 卷 7-8 期

第 25 卷 6 期

第 25 卷 5 期

第 25 卷 3-4 期

第 25 卷 2 期

第 25 卷 1 期

第 24 卷 7-8 期

第 24 卷 6 期

第 24 卷 5 期

第 24 卷 3-4 期

第 24 卷 2 期

第 24 卷 1 期

2013 年

第 23 卷 S1 期

第 23 卷 7-8 期

第 23 卷 6 期

第 23 卷 5 期

第 23 卷 3-4 期

第 23 卷 2 期

第 23 卷 1 期

第 22 卷 S1 期

第 22 卷 7-8 期

第 22 卷 6 期

第 22 卷 5 期

第 22 卷 3-4 期

第 22 卷 2 期

第 22 卷 1 期

2012 年

第 21 卷 S1 期

第 21 卷 8 期

第 21 卷 7 期

第 21 卷 6 期

第 21 卷 5 期

第 21 卷 4 期

第 21 卷 3 期

第 21 卷 2 期

第 21 卷 1 期

2011 年

第 20 卷 8 期

第 20 卷 7 期

第 20 卷 6 期

第 20 卷 5 期

第 20 卷 4 期

第 20 卷 3 期

第 20 卷 2 期

第 20 卷 1 期

2010 年

第 19 卷 8 期

第 19 卷 7 期

第 19 卷 6 期

第 19 卷 5 期

第 19 卷 4 期

第 19 卷 3 期

第 19 卷 2 期

第 19 卷 1 期

2009 年

第 18 卷 8 期

第 18 卷 7 期

第 18 卷 6 期

第 18 卷 5 期

第 18 卷 4 期

第 18 卷 3 期

第 18 卷 2 期

第 18 卷 1 期

2008 年

第 17 卷 5-6 期

第 17 卷 4 期

第 17 卷 3 期

第 17 卷 2 期

第 17 卷 1 期

2007 年

第 17 卷 1 期

第 16 卷 6 期

第 16 卷 4-5 期

第 16 卷 3 期

第 16 卷 2 期

2006 年

第 16 卷 1 期

第 15 卷 3-4 期

第 15 卷 2 期

第 15 卷 1 期

2005 年

第 14 卷 4 期

第 14 卷 3 期

第 14 卷 2 期

第 14 卷 1 期

2004 年

第 13 卷 4 期

第 13 卷 3 期

第 13 卷 2 期

第 13 卷 1 期

2003 年

第 12 卷 3-4 期

第 12 卷 2 期

第 12 卷 1 期

第 11 卷 3-4 期

2002 年

第 11 卷 2 期

第 11 卷 1 期

第 10 卷 4 期

2001 年

第 10 卷 3 期

第 10 卷 2 期

第 10 卷 1 期

2000 年

第 9 卷 4 期

第 9 卷 3 期

第 9 卷 2 期

第 9 卷 1 期

1999 年

第 8 卷 4 期

第 8 卷 3 期

第 8 卷 2 期

第 8 卷 1 期

1998 年

第 7 卷 4 期

第 7 卷 3 期

第 7 卷 2 期

第 7 卷 1 期

1997 年

第 6 卷 4 期

第 6 卷 3 期

第 6 卷 2 期

第 6 卷 1 期

第 5 卷 4 期

第 5 卷 3 期

第 5 卷 2 期

第 5 卷 1 期

1996 年

第 4 卷 4 期

第 4 卷 3 期

第 4 卷 2 期

第 4 卷 1 期

1995 年

第 3 卷 4 期

第 3 卷 3 期

第 3 卷 2 期

第 3 卷 1 期

1994 年

第 2 卷 4 期

第 2 卷 3 期

第 2 卷 2 期

第 2 卷 1 期

1993 年

第 1 卷 4 期

第 1 卷 3 期

第 1 卷 2 期

第 1 卷 1 期

[期刊论文]

Deep learning: systematic review, models, challenges, and research directions

DO I：10.1007/s00521-023-08957-4

作者：Tala Talaei Khoei;Hadjar Ould Slimane;Naima Kaabouch;

页码： -

全文购买

[期刊论文]

Technologies of the 4th industrial revolution with applications

DO I：10.1007/s00521-023-08986-z

作者：Lazaros Iliadis;Elias Pimenidis;

页码： -

全文购买

[期刊论文]

Feature extraction from unstructured texts as a combination of the morphological and the syntactic analysis and its usage in fake news classification tasks

DO I：10.1007/s00521-023-08967-2

作者：Kitti Szabó Nagy;Jozef Kapusta;Michal Munk;

页码： -

全文购买

[期刊论文]

Re-HGNM: a repeat aware hypergraph neural machine for session-based recommendation

DO I：10.1007/s00521-023-08985-0

作者：Yuze Peng;Shengjun Xu;Yihua Huang;

页码： -

全文购买

[期刊论文]

A graph encoder–decoder network for unsupervised anomaly detection

DO I：10.1007/s00521-023-08964-5

作者：Mahsa Mesgaran;A. Ben Hamza;

页码： -

全文购买

[期刊论文]

Investigation of ensemble methods in terms of statistics: TIMMS 2019 example

DO I：10.1007/s00521-023-08969-0

作者：Özlem Bezek Güre;

页码： -

全文购买

[期刊论文]

A term extraction algorithm based on machine learning and comprehensive feature strategy

DO I：10.1007/s00521-023-08960-9

作者：Xiuliang Gong;Bo Cheng;Xiaomei Hu;等

页码： -

全文购买

[期刊论文]

Utilizing social media and machine learning for personality and emotion recognition using PERS

DO I：10.1007/s00521-023-08962-7

作者：Fatma M. Talaat;Eman M. El-Gendy;Mahmoud M. Saafan;等

页码： -

全文购买

[期刊论文]

FATE: a three-stage method for arithmetical exercise correction

DO I：10.1007/s00521-023-08890-6

作者：Qipeng Zhu;Zhuoyan Luo;Shipeng Zhu;等

页码： -

全文购买

[期刊论文]

MECPformer: multi-estimations complementary patch with CNN-transformers for weakly supervised semantic segmentation

DO I：10.1007/s00521-023-08816-2

作者：Chunmeng Liu;Guangyao Li;Yao Shen;等

页码： -

全文购买